本文由以下人员合著:开发人员技术与宣传副总裁 Angel Diaz,IBM Watson 首席架构师 Ruchir Puri,IBM 研究院人工智能工程总监 Rania Khalaf

让数据科学家和人工智能开发人员真正掌握深度学习能力

Gartner 预测, 凭借强大的计算能力、近乎无穷无尽的数据量,以及在深度学习方面前所未有的进步,在未来 10 年里,人工智能有望成为最具颠覆性的一类技术。深度学习的兴起得益于近期的三大趋势:训练数据量的爆炸式增长;图形处理器(GPU)等加速器的使用;以及训练算法和神经网络架构的改进。

为了充分发掘这一新兴趋势的潜力,我们希望数据科学家和人工智能开发人员这类最看重技术的人能够轻松访问技术。 训练深度神经网络又名深度学习,目前既十分复杂又计算量庞大。它需要一个高度调优的系统,适当组合相应的软件、驱动程序、计算、内存、网络和存储资源。数据科学家和人工智能开发人员应该专注于从事他们最擅长的工作:着重数据和数据优化,在这些大型数据集上训练神经网络模型(以自动化方式),并创建尖端模型。

所以,我们很高兴地宣布,Watson Studio 中的深度学习即服务正式发布。该服务采用了多种广为流行的开源框架,如 TensorFlow、Caffe 和 PyTorch,并在 IBM Cloud 上真正将其作为一项云原生服务提供,降低了进入深度学习领域的门槛。它将云服务的灵活性、易用性和经济性与深度学习能力融为一体。借助易于使用的 REST API,您可以根据用户需求或预算,使用不同数量的资源来训练深度学习模型。它具有业务连续性(处理故障),并将数据科学家和人工智能开发人员从各种繁琐的工作中解放出来,让他们能够专注于研究深度学习及其应用。

为变革做出贡献:它是开源的!

IBM 长久以来一直致力于建立 开源重心,近期还扩展至云计算、数据、人工智能和交易等领域。我们推出了作为 Watson Studio 的深度学习服务核心的开源项目: Fabric for Deep Learning, 简称 FfDL (发音同 “fiddle”)。FfDL 利用 Kubernetes 的功能,提供了一个可扩展、具有业务连续性和容错性的深度学习框架。该平台使用分发和编排层,促进以合理的时间量从多个计算节点上的大量数据中进行学习。资源配置层支持对异构资源进行灵活的作业管理,比如 Kubernetes 上的 GPU 和 CPU。

Linux 基金会执行董事 Jim Zemlin 简明扼要地回应了这些观点:

“就像 Linux 基金会与 IBM、Google、Red Hat 以及其他公司合作,与云原生计算基金会 (Cloud Native Computing Foundation) 一起为 Kubernetes 建立开放治理社区一样,我们认为 IBM 发布 Fabric for Deep Learning (FfDL) 为与开源社区合作创造了机会,从而协调相关开源项目,在推广深度学习方面更进一步。我们认为,作为 IBM 产品,它将会吸引更多开源开发者和企业最终用户。”

FfDL Blog

Watson Studio 中的深度学习即服务是在与深度学习开发人员密切协作的基础上创建的,涉及语音、视觉和自然语言分类领域。这些洞察造就了它的设计,不仅为不同工作负载之间的协同作用提供指导,还支持我们提供真正的云原生服务,基础架构可以在这类服务中实现跨工作负载共享,同时提供通用的基于 API 的访问。Fabric for Deep Learning (FfDL) 在开源框架中利用了这一学习功能。

立即试用,加入深度学习革命的行列吧!

Deepkapha.ai 创始人、人工智能神经科学研究员 Tarry Singh 目前正在与我们就 FfDL 开展合作,他对这个项目的前景有着清楚的定位:

“我们正在与 IBM 就 FfDL 项目开展合作,力求进一步拓宽 DeepKapha 的视野,将深度学习大众化,跨堆栈(纵向)和云平台(横向)建立全栈认知算法集。”

要获得真正云原生的、具有业务连续性且可扩展体验以及丰富的企业级功能,请试用 Watson Studio 中的深度学习即服务。部署、使用并扩展 FfDL。我们期待您的反馈。

让我们一起踏上深度学习大众化的革命征程!

相关链接

本文翻译自:Fabric for Deep Learning(2018-03-20)

加入讨论